Konstrukcja portfela akcji o optymalnej wartości wskaźnika Sharpe`a
advertisement
Konstrukcja portfela akcji o optymalnej wartości wskaźnika Sharpe'a przy pomocy algorytmu genetycznego Paweł Oruba Uniwersytet Śląski w Katowicach Kraków, 19 kwietnia 2015 Wskaźnik Sharpe’a (reward-to-variability) Cechy algorytmów genetycznych • Kodowanie parametrów • Działanie na populacjach • Korzystanie z minimum informacji • Zrandomizowane operacje Terminologia • Chromosom – ciąg kodowy (łańcuch znaków) • Gen – cecha • Fenotyp - rozwiązanie Generacja populacji potomnej START Selekcja Generacja populacji początkowej Krzyżowanie Mutacja Ocena przystosowania wszystkich osobników TAK KONIEC Czy spełniony warunek stopu? NIE Reprezentacja osobników Osobnik = [ch1, ch2, ch3, ch4] Po wylosowaniu bitów dla chromosomów: Osobnik = [1001, 1010, 0111, 0001] Po zdekodowaniu: Osobnik = [9, 10, 7, 1] Fenotyp: Osobnik = [33%, 37%, 26%, 4%] Selekcja Koło ruletki Osobnik 1 Osobnik 2 Osobnik 3 Osobnik 4 Osobnik 5 Krzyżowanie chromosomowe z prawdopodobieństwem Pk = 0.7 Parametry algorytmu genetycznego • liczba historycznych tygodniowych notowań akcji: 25 (od 2014-05-02 do 2014-10-17), • długość chromosomu: 8, • liczba chromosomów (spółek): 20, • liczebność populacji: 16, • prawdopodobieństwo krzyżowania: 0.4, • prawdopodobieństwo mutacji: 0.01, • liczba iteracji: 10 000, • stopa zwrotu wolna od ryzyka: stopa zwrotu indeksu WIG20 w badanym okresie, • dopuszczona możliwość zakupu części akcji. Wynik: Najlepiej przystosowany osobnik WS = 7.95 Stopa zwrotu = 15.8% SNS, 2.0% ALR, 1.8% TPE, 6.8% ACP, 4.6% BZW, 4.5% PZU, 13.0% CPS, 11.6% PKO, 2.6% PKN, 1.8% PGN, 2.5% ENG, 17.0% PGE, 1.4% PEO, 2.7% OPL, 4.3% MBK, 3.0% KGH, 11.3% EUR, 1.5% LWB, 3.7% LPP, 3.7% ACP ALR BZW CPS ENA ENG EUR KGH LPP LWB MBK OPL PEO PGE PGN PKN PKO PZU SNS TPE Czy taka inwestycja ma sens? Bibliografia
